آب و هواشناسی
دکتر علی محمدخورشیددوست؛ فریبا اسفندیاری؛ سید اسعد حسینی؛ پروانه دولتخواه
دوره 22، شماره 65 ، آبان 1397، ، صفحه 141-162
چکیده
یکی از روشهای نوین در زمینه پیشبینی فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی شبکههای عصبی مصنوعی از مؤلفههای هوش مصنوعی است که در جهت پیادهسازی ویژگیهای شگفت انگیز مغز انسان در یک سیستم مصنوعی میکوشند و ابزاری قدرتمند در زمینهی مدلسازی و پیشبینی پارامترهای ژئومورفولوژیاند که ...
بیشتر
یکی از روشهای نوین در زمینه پیشبینی فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی شبکههای عصبی مصنوعی از مؤلفههای هوش مصنوعی است که در جهت پیادهسازی ویژگیهای شگفت انگیز مغز انسان در یک سیستم مصنوعی میکوشند و ابزاری قدرتمند در زمینهی مدلسازی و پیشبینی پارامترهای ژئومورفولوژیاند که در این پژوهش جهت برآورد میزان رسوب حوضه رود ارس استفاده شده است. بدین منظور از آمار دبی، رسوب و بارش ماهانه ایستگاه هیدرومتری بران واقع در حوضه آبریز دره رود از زیر حوضههای مهم حوضه رود ارس در دشت مغان در طول دوره آماری 34 ساله (سال آبی 54-53 تا 87-86) استفاده گردید. بدین صورت که میزان دبی و بارش به عنوان ورودیهای شبکه عصبی مصنوعی و میزان رسوب به عنوان خروجی شبکه در نظر گرفته شدند. به منظور پیادهسازی مدل از امکانات و توابع موجود در محیط برنامه نویسی نرم افزارهای MATLAB/2010 و SPSS/21 بهره گرفته شد. سپس به ارزیابی عملکرد مدل، از طریق معیارهای آماری از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، ضریب همبستگی و همچنین میانگین درصد نسبی خطا پرداخته شد. نتایج به دست آمده ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که انطباق خوبی بین مقادیر پیشبینی شده و مشاهداتی وجود دارد بهطوری که میانگین خطای این مدل با دادههای مشاهداتی برابر 9/0 درصد و ضریب همبستگی 99/0 است که در سطح 01/0 نیز معنیدار گشته است. نتایج حاصل از این پژوهش نشان داد که مدل شبکه عصبی مصنوعی از دقت بالایی در برآورد میزان رسوب در حوضه مورد بررسی برخوردار است. نتایج حاصل میتواند در مدیریت و برنامهریزی حوضههای آبخیز و مدیریت منابع آبی و طبیعی بویژه در بخشهای کشاورزی، صنعت، شرب و همچنین پیشبینی وضعیت رسوبگذاری در مخزن سدها مفید باشد.